一种改进的静态克隆选择算法及其应用研究

建立了一个基于人工免疫原理的入侵检测系统模型,该模型融合了智能协议分析、克隆选择、人工免疫、遗传算法等多种智能技术,对其中的克隆选择算法进行了研究,对Forrest的静态克隆选择算法提出了改进方案。仿真实验表明,改进算法在性能上优于Forrest的静态克隆选择算法。

基于轻量级人工免疫计算的混合入侵检测方法

针对大规模网络环境下的入侵检测系统需要处理的网络数据含有大量的冗余与噪音的问题,设计了一种基于轻量级人工免疫计算的混合入侵检测方法.利用最小信息熵离散化算法预处理检测数据,根据主元分析算法(PCA)进行特征提取,通过提取特征矩阵降低数据维度;设计了基于否定选择算法的在线检测,对于未知的或者大规模的连接则提取其特征并实现基于人工免疫计算的入侵检测.最后利用进化能力的异常检测器进行训练和检测,并将提取的异常特征模式加入到快速匹配的数据库来及时地更新数据库.仿真实验表明算法能够提高混合检测器系统的检测效率,同时检测速度能够满足实时性的要求.